一句话介绍:
Google开源的基于数据流图的科学计算库，适用于机器学习
不局限于机器学习，但目前被大多用于机器学习等。
TensorFlow计算流图的概念图
Tensor在图中流动。
TensorFlow的含义
拆字释义:
-
Tensor 张量(tf中数据的表征)
-
flow 流动
张量在图中流动
TensorFlow的详细架构
TensorFlow基本架构
TensorFlow 大事记
deepmind团队之前用的torch。
底层api调用起来繁琐。
1.3版本加入了很多高层次的抽象api。调用底层api更方便，使用代码量更少。
TensorFlow的特点
灵活性: 只要可以将计算表示成数据流图，就可以使用TensorFlow
跨平台: Linux windows Android Ios
多语言: 上层语言 python c++ java Go
速度快: 包含了XLA这款强大的线性代数编译器
上手快: Keras,Estimiators 等等高层api
可移植: 代码几乎不加修改的可以移植到cpu gpu tpu等等
TensorFlow的著名用途
使用TensorFlow的公司
小米 & 中兴 & 京东
TensorFlow和其他机器学习库的对比
theano 就是一个比较老的框架。
各个机器学习库的对比
DL4J java
torch(Lua) 和 pytorch(Facebook)
Caffe(2) 贾扬清由Google tf 跳槽到Facebook
Keras 底层必须由TensorFlow或theano的支持。
闲扯一下法国人对于世界的杰出贡献
各个库的网站对比
文章: Tensorflow 与 主流深度学习框架对比
机器学习框架
TensorFlow的收藏数，fork数，issue数遥遥领先于其他。
skit learn 的pull request多于TensorFlow
contributor数多
TensorFlow的优势：集大成者
-
Google力捧，数据流图的设计理念和编程模式。社群广大，文档详尽。
-
功能强大的可视化 Tensor board 和 模拟环境 playground
配置方便。在线模拟演示。
Epoch 整体完整运行次数 learning rate
选择激励函数 正规化 L1 还是L2的选择。正规化率。
问题类型: 分类问题和回归问题
输入特征值的类型。噪音，增加隐层。点亮输入的参数。
点击左上角run，开始帮你训练。
点击可以看到当前的每个参数的权重。
-
移动端(ios 和 Android) 云端，服务器端 ，分布式，各种硬件。
总结
有些库略显不足，如Torch(lua语言) scikit-learn 不支持Gpu，不支持分布式
TensorFlow 总体来说很优异，虽然在某些方面速度和效率还不够。
推荐: MXNet PyTorch TensorFlow(scikit 和 keras) caffe2
如何学习TensorFlow？
官网: tensorflow.org
下面语言切换为中文。点击开始使用。
官方文档，如何安装。
develop 是提供教程为开发者使用。
Programmer 指南
Tutoials 教程
performance 如何提高性能
mobile 如何在手机等去开发。
一般常用python api。文档阅读api指南。
deploy 部署到平台。 如何在Hadoop部署
扩展: 体系结构
社区；
版本:
云平台：
学习方式:
-
官网: 了解
-
视频 + 书籍 入门 + 知识点学习
-
实战: 技术
人工智能 - 数学知识 - 机器学习 - 深度学习
cs156 吴恩达课程 107节 机器学习基本课程
吴恩达 - 神经网络 和 深度学习课程
可以穿插进行。
TensorFlow前景
人工智能是大势所趋
TensorFlow : 人工智能框架的领军产品
Google出品，大多属精品。
链接：https://www.imooc.com/article/45745